案例名稱

鄞州銀行智能風控體系

案例簡介

鄞州銀行智能風控體系是圍繞信貸業務場景以風險識別為核心的閉環系統建設，涵蓋多渠道數據采集的三方數據平臺、實時指標加工平臺、風控集市、決策引擎、模型管理平臺、風險監控平臺等模塊，覆蓋貸前、貸中、貸后業務場景，實現了對線上、線下業務的實時風險識別、風險監控、差異化定額定價，賦能銀行智慧運營、智能風控建設，將數據資產最大價值轉化和應用，為農商行風控數字換轉型起到先驅示范作用。

創新技術/模式應用

實時指標計算平臺： 基于行內交易流水數據、人行征信、政務數據、稅務、司法、工商等權威數據，衍生數萬維指標，刻畫客戶交易行為、時序上的行為變化、風險行為、關聯關系、還款能力、還款意愿等，實時輸出給風控決策引擎和業務系統，為評分卡模型和營銷模型提供建模維度，為外呼人員構建營銷話術等。實時指標計算平臺，實現對海量數據進行場景轉化，極大提升了中臺風控平臺化的能力。

風控集市： 依托大數據和機器學習算法，將行內外客戶關聯關系數據、建檔數據、交易數據、政務數據、三方數據等，采用網絡圖譜算法、NLP等算法，構建出反欺詐和非法集資識別網絡，提升反欺詐、反洗錢、資金流向等場景的隱含風險發現能力。采集客戶各渠道不良記錄，進行匯總歸納，構建黑名單和灰名單，形成名單管理系統等。風控集市除上述風險類指標外，還包含客戶授信、用信、資產等多方面信息，給決策引擎實時調用。

決策引擎：為滿足多條線業務部門在智能決策方面的產品需求，決策引擎實現多系統多渠道松耦合、標準化接口對接，采用實時流計算技術，采集十多個渠道數據源進行加工計算，秒級返回決策結果給業務系統，在完整性、拓展性、服務能力方面表現突出。決策引擎為快速響應業務需求，以權限管理為基礎，采用風控規則靈活配置方式，增強風控策略的保密性和靈活性。

風險監控平臺：為防范采集的數據質量變差、接口不穩定、客群發生變化、模型表現變差、不良增加等問題進一步引發風險，風控監控平臺針對這些場景，設計監控維度和告警方案，根據預警等級分發告警信息至相應風險處置人員，第一時間控制風險。

模型管理平臺：銀保監會印發的《關于銀行業保險業數字化轉型的指導意見》提出，防范模型和算法風險。我行積極響應，建立對模型和算法風險的全面管理框架，制定管理制度，嵌入模型管理平臺，對模型數據的準確性和充足性進行監控、交叉驗證和定期評估，實現模型設計、開發、部署、運行、下線全流程管理。

項目效果評估

· 實現全條線多渠道進件接入，完成信貸業務全流程智能風控解決方案

實現零售、對公條線各業務渠道的進件申請，針對業務場景設計風險識別策略和預警規則，部署評分卡模型。根據業務流程需要，決策引擎支持多次實時輸出決策結果和風險報告，實現全流程、多維度動態識別風險。實現秒批秒貸，給客戶更加柔性便捷的信貸服務；全流程、全信貸周期的風險管理，提高資產質量，降低不良，提升業務效率。

· 采用大數據技術，多場景多角度刻畫客戶行為，實現對客戶行為深入洞察

風控集市整合全行的客戶交易流水、多方外部數據、地方政務數據，以海量客戶行為數據為基礎，以風控場景、營銷場景為切入，刻畫用戶交易行為和行為變化，衍生出數萬維的指標，依托指標平臺實時計算能力，捕獲客戶最新的行為動態，為反欺詐、營銷、流失挽留等場景輸出信息至業務流程，實現自動觸發各種預警和挽留機制，大大提高運營效率。

· 構建全局反欺詐和營銷集市

采用NLP、關系圖譜、XGB等前沿的機器學習算法，以及自主研發的雙指標回歸算法、策略集自動生成算法、模型自動迭代算法等，將萬維指標強化學習成風險標簽，構建黑名單、灰名單、欺詐網絡、中介網絡、非法集資網絡、擔保圈等，構建全局的反欺詐決策集市，全局與各業務環節的信息與決策，在互動中實現數據的不斷積累補全和模型策略的不斷優化升級，形成自我完善的反欺詐生態圈。采用聚類算法、產品推薦、自主研發的雙指標回歸算法等，訓練分層分類模型、產品推薦模型、流失挽留模型、生命周期模型等數十種營銷模型，構建營銷集市，自動生成電銷人員的營銷話術、挽留話術、催收話術等，提高外呼的針對性，實現千人千面差異化營銷。

項目牽頭人

許曉杰

鄞州銀行大數據管理部總經理

項目團隊成員

李麗君 方圓 陳曉鋒 劉偉 王海洋

責任編輯：韓希宇